Problema de optimización combinatoria
En teoría de grafos , el problema del centro k métrico es un problema de optimización combinatoria estudiado en informática teórica . Dadas n ciudades con distancias específicas, se quiere construir k almacenes en diferentes ciudades y minimizar la distancia máxima de una ciudad a un almacén. En teoría de grafos , esto significa encontrar un conjunto de k vértices para los cuales la distancia más grande de cualquier punto a su vértice más cercano en el k -conjunto sea mínima. Los vértices deben estar en un espacio métrico , proporcionando una gráfica completa que satisfaga la desigualdad del triángulo .
Definicion formal
Sea un espacio métrico donde es un conjunto y es un
conjunto métrico A , se proporciona junto con un parámetro . El objetivo es encontrar un subconjunto tal que se minimice la distancia máxima de un punto al punto más cercano . El problema se puede definir formalmente de la siguiente manera:
Para un espacio métrico ( ,d),
- Entrada: un conjunto y un parámetro .
- Salida: un conjunto de puntos.
- Objetivo: Minimizar el costo d(v, )
Es decir, cada punto de un grupo está a una distancia máxima de su centro respectivo. [1]
El problema de agrupamiento de centros k también se puede definir en un gráfico no dirigido completo G = ( V , E ) de la siguiente manera:
Dado un gráfico no dirigido completo G = ( V , E ) con distancias d ( v i , v j ) ∈ N satisfactorias la desigualdad del triángulo, encuentra un subconjunto C ⊆ V con | C | = k minimizando:
Complejidad computacional
En un gráfico completo no dirigido G = ( V , E ), si ordenamos las aristas en orden no decreciente de las distancias: d ( e 1 ) ≤ d ( e 2 ) ≤ ... ≤ d ( e m ) y dejamos GRAMO yo = (V, mi yo ), donde mi yo = { mi 1 , mi 2 , ..., mi yo }. El problema del k -centro es equivalente a encontrar el índice más pequeño i tal que G i tenga un conjunto dominante de tamaño como máximo k .[2]
Aunque el conjunto dominante es NP-completo , el problema del centro k sigue siendo NP-difícil . Esto está claro, ya que la optimización de una solución factible dada para el problema de k -centro puede determinarse mediante la reducción del conjunto dominante sólo si conocemos en primer lugar el tamaño de la solución óptima (es decir, el índice más pequeño i tal que G i tiene un conjunto dominante de tamaño como máximo k ), que es precisamente el núcleo difícil de los problemas NP-Difíciles . Aunque una reducción de Turing puede solucionar este problema probando todos los valores de k .
Aproximaciones
Un algoritmo codicioso simple
Un algoritmo de aproximación codicioso simple que logra un factor de aproximación de 2 se construye utilizando un recorrido más lejano primero en k iteraciones. Este algoritmo simplemente elige el punto más alejado del conjunto actual de centros en cada iteración como nuevo centro. Se puede describir de la siguiente manera:
- Elija un punto arbitrario en
- Para cada punto calcular desde
- Elija el punto con mayor distancia desde .
- Agréguelo al conjunto de centros y denote este conjunto ampliado de centros como . Continúe esto hasta que se encuentren k centros.
Tiempo de ejecución
- La i- ésima iteración de elegir el i- ésimo centro lleva tiempo.
- Hay k tales iteraciones.
- Por tanto, en general el algoritmo lleva tiempo. [3]
Demostrando el factor de aproximación
La solución obtenida utilizando el algoritmo codicioso simple es una aproximación 2 a la solución óptima. Esta sección se centra en demostrar este factor de aproximación.
Dado un conjunto de n puntos , pertenecientes a un espacio métrico ( ,d), el algoritmo codicioso de K -centros calcula un conjunto K de k centros, tal que K es una aproximación 2 al agrupamiento óptimo de k -centros de V.
es decir [1]
Este teorema se puede demostrar utilizando dos casos de la siguiente manera,
Caso 1: Cada grupo de contiene exactamente un punto de
- Considere un punto
- Sea el centro al que pertenece en
- Sea el centro de eso que está en
- Similarmente,
- Por la desigualdad del triángulo:
Caso 2: Hay dos centros y ambos están en , para algunos (según el principio del casillero, esta es la única otra posibilidad)
- Supongamos, sin pérdida de generalidad, que se agregó más tarde al centro establecido por el algoritmo codicioso, digamos en la i iteración .
- Pero como el algoritmo codicioso siempre elige el punto más alejado del conjunto actual de centros, tenemos eso y,
[1]
Otro algoritmo de aproximación de 2 factores
Otro algoritmo con el mismo factor de aproximación aprovecha el hecho de que el problema del k -centro es equivalente a encontrar el índice más pequeño i tal que G i tenga un conjunto dominante de tamaño k como máximo y calcula un conjunto máximo independiente de G i , buscando para el índice más pequeño i que tiene un conjunto independiente máximo con un tamaño de al menos k .[4]
No es posible encontrar un algoritmo de aproximación con un factor de aproximación de 2 − ε para cualquier ε > 0, a menos que P = NP.[5]
Además, las distancias de todos los bordes en G deben satisfacer la desigualdad del triángulo si el problema del centro k se va a aproximar dentro de cualquier factor constante, a menos que P = NP.[6]
Aproximaciones parametrizadas
Se puede demostrar que el problema del k -Centro es W[2]-difícil de aproximar dentro de un factor de 2 − ε para cualquier ε > 0, cuando se usa k como parámetro. [7] Esto también es cierto cuando se parametriza mediante la dimensión de duplicación (de hecho, la dimensión de una métrica de Manhattan ), a menos que P=NP . [8] Al considerar el parámetro combinado dado por k y la dimensión de duplicación , k -Center sigue siendo W[1]-duro pero es posible obtener un esquema de aproximación parametrizado . [9] Esto es incluso posible para la variante con capacidades de vértice, que limita cuántos vértices se pueden asignar a un centro abierto de la solución. [10]
Ver también
Referencias
- ^ abc Har-peled, Sariel (2011). Algoritmos de aproximación geométrica . Boston, MA, EE.UU.: Sociedad Matemática Estadounidense. ISBN 978-0821849118.
- ^ Vazirani, Vijay V. (2003), Algoritmos de aproximación , Berlín: Springer, págs. 47–48, ISBN 3-540-65367-8
- ^ González, Teófilo F. (1985), "Agrupación para minimizar la distancia máxima entre grupos", Informática Teórica , vol. 38, Elsevier Science BV, págs. 293–306, doi : 10.1016/0304-3975(85)90224-5
- ^ Hochbaum, Dorit S .; Shmoys, David B. (1986), "Un enfoque unificado para algoritmos de aproximación para problemas de cuellos de botella", Journal of the ACM , vol. 33, págs. 533–550, doi :10.1145/5925.5933, ISSN 0004-5411, S2CID 17975253
- ^ Hochbaum, Dorit S. (1997), Algoritmos de aproximación para problemas NP-difíciles , Boston: PWS Publishing Company, págs. 346–398, ISBN 0-534-94968-1
- ^
- ^ Feldmann, Andreas Emil (1 de marzo de 2019). "Aproximaciones de parámetros fijos para problemas de k-centro en gráficos de dimensiones de carreteras bajas" (PDF) . Algorítmica . 81 (3): 1031-1052. doi :10.1007/s00453-018-0455-0. ISSN 1432-0541. S2CID 46886829.
- ^ Feder, Tomás; Greene, Daniel (1 de enero de 1988). "Algoritmos óptimos para agrupamiento aproximado". Actas del vigésimo simposio anual de ACM sobre teoría de la informática - STOC '88 . Nueva York, NY, EE.UU.: Asociación de Maquinaria de Computación. págs. 434–444. doi :10.1145/62212.62255. ISBN 978-0-89791-264-8. S2CID 658151.
- ^ Feldmann, Andreas Emil; Marx, Daniel (01-07-2020). "La dureza parametrizada del problema del centro k en las redes de transporte" (PDF) . Algorítmica . 82 (7): 1989-2005. doi :10.1007/s00453-020-00683-w. ISSN 1432-0541. S2CID 3532236.
- ^ Feldmann, Andreas Emil; Vu, Tung Anh (2022). "Centro $$k$$ generalizado: distinguir entre duplicación y dimensión de la carretera". En Bekos, Michael A.; Kaufmann, Michael (eds.). Conceptos de teoría de grafos en informática . Apuntes de conferencias sobre informática. vol. 13453. Cham: Editorial Internacional Springer. págs. 215-229. arXiv : 2209.00675 . doi :10.1007/978-3-031-15914-5_16. ISBN 978-3-031-15914-5.
Otras lecturas